Comparative analysis of university-government-enterprise co-authorship networks in three scientific domains in the region of Madrid

• Autores: Carlos Olmeda Gómez, Antonio Perianes Rodríguez, María Antonia Ovalle Perandones, Félix de Moya-Anegón
• Localización: Information Research, ISSN-e 1368-1613, Vol. 13, Nº. 3, 2008
• Idioma: inglés
• Títulos paralelos:
  • Análisis comparativo de redes de coautoría universidad-gobierno-empresa en tres dominios científicos en la región de Madrid
• Enlaces
  • Texto completo (html)
• Dialnet Métricas: 4 Citas
• Resumen
  • español

    Introducción: En una economía orientada a la innovación y la competitividad en las actividades de investigación y desarrollo, son de considerable interés las inter-relaciones entre la universidad, empresa privada y gobierno. El networking (establecimiento de redes) constituye una estrategia prioritaria para lograr este objetivo estratégico y una herramienta en las economías basadas en el conocimiento.

    Método: Partiendo de un inventario completo de artículos científicos en coautoría, se definieron y analizaron las redes de colaboración con el método de análisis de redes sociales, usando el software Pajek y se realizó la representación gráfica con el algoritmo de visualización de Kamada-Kawai.

    Análisis: Se analiza la producción científica que implica colaboración intrarregional en la región de Madrid a través de tres categorías temáticas. Los datos usados se tomaron del Web of Science de los años 1995-2003. Los principales indicadores de redes sociales obtenidos fueron: grado de densidad media, grado normalizado y grado de centralización (grado promedio), centralización de intermediación (intermediación promedio), centralización de cercanía (cercanía promedio) y coeficiente de agrupamiento.

    Resultados: El networking conduce a un moderado aumento en el número de enlaces y actores participantes, con más empresas españolas y subsidiarias multi-nacionales en el segundo período. El mayor número de enlaces se registró para universidades públicas localizadas en la Comunidad de Madrid.

    Conclusiones: Los datos resultantes del análisis de la red social realizado, proporcionaron una vista de las características estructurales de las redes generadas y su evolución. La metodología de visualización usada demostró ser altamente informativa en la identificación no sólo de los actores principales, también de los agrupamientos y componentes. El análisis proporciona una perspectiva útil para entender la dinámica de las redes colaborativas.

  • English

    Introduction: In an economy geared to innovation and competitiveness in research and development activities, inter-relationships between the university, private enterprise and government are of considerable interest. Networking constitutes a priority strategy to attain this strategic objective and a tool in knowledge-based economies.

    Method: Drawing from a full inventory of co-authored scientific articles, collaborating networks are defined and analysed with the social network analysis method, using Pajek software and graphed with the Kamada-Kawai algorithm for visualization.

    Analysis: Scientific production involving intraregional collaboration in the Madrid region is analysed across three subject categories. The data used were taken from the Web of Science for the years 1995-2003. The main indicators of social networking obtained were: density average degree, normalized degree and degree centralization, betweenness centralization, closeness centralization and clustering coefficient.

    Results: Networking led to a moderate rise in the number of links and participating actors, with more Spanish companies and multi-national subsidiaries in the second period. The largest number of links was recorded for public universities located in the Community of Madrid.

    Conclusions: The data resulting from the social network analysis conducted provided insight into the structural characteristics of the networks generated and their evolution. The visualization methodology used proved to be highly informative for identifying not only the main actors, but clusters and components as well. The analysis afforded a useful perspective for understanding the dynamics of collaborating networks.